大约有 4,000 项符合查询结果(耗时:0.0070秒) [XML]

https://bbs.tsingfun.com/thread-2358-1-1.html 

MIT已发布v2.75版本,中文网已同步升级最新版本 - App Inventor 2 中文网 -...

...拟合(Trendline)组件只能添加到图表(Chart)组件中,其数据来源依赖于图表数据(ChartData2D)组件,因此,曲线拟合组件必须与图表组件及图表数据组件一同使用。 曲线拟合组件有四种不同的模型可供选择,如下图所示,...
https://bbs.tsingfun.com/thread-2389-1-1.html 

如何实现post访问的流式响应 - App应用开发 - 清泛IT社区,为创新赋能!

...答内容缓存在本地,然后让通过一定的频率推送缓存中的数据。 ai2并不能原生处理sse协议,需要自己处理响应数据。我们的大模型拓展已经实现过了deepseek的接入。 java/python处理sse方便一些,ai2直接处理协议数据我没试过,...
https://bbs.tsingfun.com/thread-2650-1-1.html 

SQLite 拓展查询数据表,带条件过滤 - App应用开发 - 清泛IT社区,为创新赋能!

...及带where条件的查询功能。 空表的情况下,先插入6条数据: 引入 TableView 拓展,用户展示查询的表数据: 查询sql如下: 带 where age > 23的条件查询结果如下: bindParams 是一个列表,在sql中如果有多个变量则...
https://www.tsingfun.com/it/cpp/1121.html 

FAT32文件系统格式详解 - C/C++ - 清泛网 - 专注C/C++及内核技术

...分区)超过 512 兆字节时使用这种格式,会更高效地存储数据,减少硬盘空间的浪费,一般还会使程序运行加快,使用的计算机系统资源更少,因此是使用大容量硬盘存储文件的极有效的系统。本人对Windows 98下的FAT32 文件系统做...
https://www.tsingfun.com/it/tech/2449.html 

HAproxy - Web负载均衡解决方案 - 更多技术 - 清泛网 - 专注C/C++及内核技术

...参数向后兼容 clitimeout 3000 # 设置连接客户端发送数据时的成功连接最长等待时间,默认单位是毫秒,新版本haproxy使用timeout client替代。该参数向后兼容 srvtimeout 3000 # 设置服务器端回应客户度数据发送的最长等待...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(二) - 大数据 & AI - 清泛...

...习系统的原材料,对最终模型的影响是毋庸置疑的。如果数据被很好的表达成了特征,通常线性模型就能达到满意的精度。那对于特征,我们需要考虑什么呢? 4.1、特征表示的粒度 学习算法在一个什么粒度上的特征表示...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(二) - 大数据 & AI - 清泛...

...习系统的原材料,对最终模型的影响是毋庸置疑的。如果数据被很好的表达成了特征,通常线性模型就能达到满意的精度。那对于特征,我们需要考虑什么呢? 4.1、特征表示的粒度 学习算法在一个什么粒度上的特征表示...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(二) - 大数据 & AI - 清泛...

...习系统的原材料,对最终模型的影响是毋庸置疑的。如果数据被很好的表达成了特征,通常线性模型就能达到满意的精度。那对于特征,我们需要考虑什么呢? 4.1、特征表示的粒度 学习算法在一个什么粒度上的特征表示...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(二) - 大数据 & AI - 清泛...

...习系统的原材料,对最终模型的影响是毋庸置疑的。如果数据被很好的表达成了特征,通常线性模型就能达到满意的精度。那对于特征,我们需要考虑什么呢? 4.1、特征表示的粒度 学习算法在一个什么粒度上的特征表示...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(二) - 大数据 & AI - 清泛...

...习系统的原材料,对最终模型的影响是毋庸置疑的。如果数据被很好的表达成了特征,通常线性模型就能达到满意的精度。那对于特征,我们需要考虑什么呢? 4.1、特征表示的粒度 学习算法在一个什么粒度上的特征表示...